「AI新青年讲座」将邀请世界顶尖AI研究机构和大学的科研新青年，主讲他们在计算机视觉、机器学习等人工智能领域的最新重要研究成果。

AI新青年是加速人工智能前沿研究的新生力量。AI新青年的视频讲解和直播答疑，将可以帮助大家增进对人工智能前沿研究的理解，相应领域的专业知识也能够得以积累加深。同时，通过与AI新青年的直接交流，大家在AI学习和应用AI的过程中遇到的问题，也能够尽快解决。

有兴趣分享学术成果的朋友，可以与智东西公开课教研团队进行邮件（class@zhidx.com）联系。

视觉SLAM技术在自动机器人和增强现实中扮演了很重要的角色，而在大量的SLAM应用中都使用单目相机在室内场景中运行。但室内场景中经常缺失纹理表面，并且分布着不规则的特征，尤其是低纹理的墙面、地板以及天花板，在最先进的特征点法或者直接法SLAM中都难解决。

基于学习和环境结构约束等信息都对于室内SLAM系统精度和效率有着重大影响。针对室内SLAM的定位、建图和场景理解，来自慕尼黑工业大学的在读博士李言等人提出一种用于室内场景的密集准确度-鲁棒-高效-语义SLAM系统。该系统利用 RGB-D/Stereo/Monocular 和 IMU 等不同的传感器。 受益于室内环境的共同特征和新的优化策略之间的约束，李博等人追求达到高水平的准确性。

同时，基于估计的相机姿势获得密集的重建图虽然很便宜，但如何让地图更轻、质量更高又是另外一个问题。

为了解决这个问题，李言博士等人将深度神经网络中的SOTA方法与基于几何的 SLAM 系统相结合，提出了许多优秀的成果。比如提出了针对室内场景的低漂移单目SLAM方法-Structure-SLAM。该方法将跟踪过程的旋转和平移估计解耦，可以有效减少室内环境中的长期漂移问题。为了改善相机姿态优化的效率和准确性，提出了用于立体 SLAM 和视觉惯性测距的共平面参数化方法。同时，利用室内场景的结构规律性，为RGB-D传感器构建了可以在CPU上提供了准确的姿态估计和紧凑网格的SLAM架构等。

7月15日晚7点30，「AI新青年讲座」第137讲，邀请到慕尼黑工业大学在读博士李言参与，主讲《基于SLAM的室内定位、建图及场景理解》。

讲者

李言，慕尼黑工业大学在读博士，研究方向为不同传感器的定位、建图和场景理解，在IROS、ICRA、RA-L、ECCV等会议和期刊上发表多篇学术论文。

主题

《基于SLAM的室内定位、建图及场景理解》

提纲

1、室内SLAM系统精度和效率的影响分析
2、基于不同传感器的室内SLAM定位系统构建
3、CPU上的室内稠密重建与立体匹配方法
4、新型无漂移旋转估计的RGB-D SLAM

直播信息

直播时间：7月15日19:30
直播地点：智东西公开课知识店铺

论文成果

标题：《Structure-SLAM: Low-Drift Monocular SLAM in Indoor Environments》
链接：https://arxiv.org/pdf/2008.01963.pdf

标题：《RGB-D SLAM with Structural Regularities》
链接：https://arxiv.org/pdf/2010.07997.pdf

标题：《Co-Planar Parametrization for Stereo-SLAM and Visual-Inertial Odometry》
链接：https://arxiv.org/pdf/2009.12662.pdf

标题：《ManhattanSLAM: Robust Planar Tracking and Mapping Leveraging Mixture of Manhattan Frames》
链接：https://arxiv.org/pdf/2103.15068.pdf

标题：《SRH-Net: Stacked Recurrent Hourglass Network for Stereo Matching》
链接：https://arxiv.org/pdf/2105.11587.pdf%22

标题：《Semantic Dense Reconstruction with Consistent Scene Segments》
链接：https://arxiv.org/pdf/2109.14821.pdf